Josh Feast, CEO dan Co-Founder Cogito – Seri Wawancara

Josh Feast, adalah CEO dan Co-Founder Cogito, sebuah perusahaan yang menggabungkan Emotion dan Conversation AI menjadi sebuah platform inovatif yang menyediakan pelatihan dan bimbingan secara real-time kepada agen pusat kontak, memberikan pengawasan kepada supervisor atas percakapan langsung dari tim yang bekerja dari mana saja, dan terus memantau pengalaman pelanggan dan karyawan.

Cerita Cogito dimulai pada tahun 1999, sebelum perusahaan didirikan. Bisakah Anda membagikan beberapa wawasan tentang hari-hari awal di MIT Human Dynamics Lab dan apa yang sedang dikerjakan?

Dari tahun 1999 hingga 2006, Dr. Sandy Pentland mengembangkan ilmu dasar yang menunjukkan kehadiran dan kekuatan sinyal sosial dalam komunikasi manusia dan kemampuan mesin untuk mendeteksi dan menafsirkan sinyal tersebut.

Pada tahun 2007, Cogito dipisahkan dari MIT Media Lab. Bisakah Anda membagikan cerita tentang asal-usul ini?

Sebelum saya bergabung dengan MIT, saya menyadari kebutuhan akan teknologi yang dipandu oleh konteks percakapan untuk membantu penggunanya dalam situasi yang emosional. Saya bekerja di Departemen Anak, Pemuda, dan Keluarga Selandia Baru (sekarang dikenal sebagai unit Anak, Pemuda, dan Keluarga dari Kementerian Pembangunan Sosial), saya menyadari bahwa banyak pekerja sosial mengalami kelelahan karena sifat pekerjaan mereka yang sangat emosional dan percaya bahwa sistem manajemen yang mendukung mereka akan sangat diuntungkan dengan teknologi seperti itu. Saya membawa pengamatan saya dari waktu itu ke MIT, dan Cogito kemudian dibuat dari penelitian Dr. Pentland di MIT Media Lab yang tampaknya secara langsung mengatasi masalah tersebut. Cogito menerima pendanaan dari Defense Advanced Research Projects Agency (DARPA) untuk melakukan penelitian dan mengembangkan platform kecerdasan buatan dan model perilaku untuk mendeteksi keadaan psikologis manusia secara otomatis. Teknologi ini terbukti berhasil membantu veteran militer yang kembali dari pertempuran melalui penempatan dengan Departemen Urusan Veteran (VA).

Teknologi Emotion AI yang digunakan di Cogito pertama kali divalidasi dengan membantu penyedia layanan kesehatan untuk mendeteksi tanda-tanda awal PTSD dan gangguan kesehatan mental lainnya pada tentara yang kembali dari pertempuran. Bisakah Anda membahas beberapa detail tentang hal ini dan jenis hasil yang dilihat?

Tujuan dari penerapan teknologi ini kepada penyedia layanan kesehatan adalah untuk mendeteksi depresi dan mencegah bunuh diri pada veteran militer yang kembali dari pertempuran. Platform yang kami kembangkan memungkinkan dokter untuk melacak kesehatan mental veteran secara keseluruhan melalui sinyal suara dan untuk menentukan peristiwa seperti kehilangan tempat tinggal dan tanda-tanda lain dari kesehatan mental yang buruk. Kami segera menyadari bahwa kami memiliki sesuatu yang spesial, dan bahwa aplikasi teknologi ini dapat membuktikan berguna di luar mendukung veteran militer dan sistem kesehatan di area dengan volume percakapan yang kompleks dan emosional. Dengan akar yang masih berpusat pada pengalaman manusia, kami menjadi Cogito yang Anda kenal hari ini, mendukung pelatihan dan bimbingan secara real-time untuk agen pusat kontak skala besar di berbagai industri, termasuk kesehatan.

Bisakah Anda membahas bagaimana Cogito menggunakan AI untuk menganalisis petunjuk perilaku dan memberikan umpan balik secara langsung selama percakapan?

Cogito menggunakan kombinasi Emotion dan Conversation AI yang kuat untuk mengungkapkan wawasan baru dari semua percakapan, mengekstrak apa yang dikatakan dan bagaimana pelanggan menerima pesan tersebut. Model AI ini mengukur pengalaman pelanggan (CX) secara real-time pada semua panggilan untuk memiliki dampak pada saat itu, bukan analisis pasca-panggilan yang hanya berfokus pada meningkatkan interaksi di masa depan.

Cogito mengekstrak dan menganalisis lebih dari 200 sinyal akustik dan suara dalam milidetik untuk memberikan petunjuk kepada agen pusat kontak tentang cara menyesuaikan perilaku mereka dan menyajikan rekomendasi terbaik berdasarkan topik yang dibahas dan hasil yang diinginkan.

Cogito melakukan analisis suara secara langsung dan dalam panggilan untuk meningkatkan perilaku secara real-time dan menciptakan koneksi manusia yang lebih baik pada skala besar antara pelanggan dan agen pusat kontak, terlepas dari di mana mereka bekerja.

Bagaimana umpan balik ini membantu agen membangun hubungan yang lebih baik dengan pelanggan?

Umpan balik secara langsung yang diterima agen pusat kontak dari Cogito memungkinkan agen untuk menampilkan kecerdasan emosional yang lebih konsisten, yang menghasilkan agen menyampaikan empati pada setiap panggilan. Empati yang ditingkatkan mengarah pada hasil percakapan yang lebih baik, seperti waktu penanganan panggilan yang berkurang, resolusi panggilan pertama yang meningkat, kepuasan pelanggan yang ditingkatkan, dan nilai pelanggan seumur hidup yang meningkat.

Setiap perwakilan pusat kontak memiliki kekuatan dan kelemahan yang berbeda. Umpan balik secara langsung yang mereka terima pada panggilan membantu meningkatkan layanan pelanggan mereka, apakah itu untuk menyediakan lebih banyak empati, berbicara lebih lambat, atau terdengar lebih antusias. Umpan balik yang disesuaikan ini pada saat itu memungkinkan agen untuk membangun hubungan dengan pelanggan berdasarkan pengalaman pelanggan tersebut dan sinyal suara yang dipilih oleh model AI. Sebagai gantinya, ini meningkatkan baik pengalaman pelanggan dan pengalaman agen.

Umpan balik secara langsung tidak hanya bermanfaat bagi CX – juga bermanfaat bagi pengalaman karyawan (EX). Alat kami membantu perwakilan untuk memiliki pengalaman kerja yang lebih positif, yang terbukti meningkatkan tingkat CX.

Pada tahun 2019, Cogito merilis sebuah makalah berjudul “Gender de-biasing in speech emotion recognition.” Apa saja wawasan utama tentang efek bias gender dalam ucapan terkait emosi?

Makalah kami berfokus pada pendekatan pemodelan dan teknik optimasi serta bias sampling. Oleh karena itu, penelitian lebih lanjut harus dilakukan untuk memitigasi bias negatif secara umum dalam pembelajaran mesin dan khususnya dalam pengenalan emosi ucapan. Wawasan utama termasuk:

Ucapan perempuan cenderung memiliki nada yang lebih tinggi daripada ucapan laki-laki, yang menghasilkan harmonik yang lebih jarang.

Model pengenalan emosi ucapan dapat dipengaruhi oleh perbedaan ini. Ini dapat menyebabkan akurasi yang lebih rendah untuk ucapan perempuan dibandingkan dengan ucapan laki-laki.

Teknik de-biasing pembelajaran mesin dapat diterapkan untuk mengurangi ketidakseimbangan akurasi ini. Dalam makalah tersebut, Cogito memperkenalkan teknik de-biasing baru yang berperforma lebih baik dibandingkan dengan baseline.

Bagaimana Cogito beroperasi untuk memitigasi efek bias gender atau jenis bias lainnya?

Cogito menggunakan model pemrosesan bahasa alami (NLP) yang menggabungkan sistem AI yang sadar manusia, model mesin pembelajaran dalam, dan aturan kompleks lainnya yang membantu komputer memahami, menganalisis, dan mensimulasikan bahasa manusia. Kami terus menerus bekerja pada dan mengembangkan NLP kami dengan data baru untuk memitigasi bias.

Cogito memiliki protokol komprehensif untuk pengembangan model pembelajaran mesin, yang secara eksplisit bertujuan untuk memitigasi bias dan memastikan pembelajaran mesin berbasis etika. Protokol ini mencakup area seperti sampling data untuk pelatihan, memitigasi bias dalam pelabelan manusia, dan menggunakan teknik de-biasing pembelajaran mesin.

Cogito menggunakan dataset ‘kesetaraan’ yang terdiri dari tubuh audio data besar di mana pembicara melaporkan kategori demografi yang berbeda. Semua model dievaluasi terhadap dataset kesetaraan dan terhadap kategori demografi yang berbeda. Kami juga menggunakan teknik ML Ops untuk memantau model dalam produksi secara objektif dan melakukan audit model secara sistematis dengan anotasi manusia.

Apa pandangan pribadi Anda tentang bagaimana AI tidak hanya harus menggantikan manusia, tetapi juga meningkatkan perilaku manusia?

Ada hal-hal yang dapat dilakukan manusia dan nuansa yang dapat disediakan dalam interaksi manusia-ke-manusia yang teknologi seperti AI tidak dapat tiru sendiri. Misalnya, pelanggan ingin menerima empati ketika mereka menghubungi dukungan pelanggan. Jika pelanggan berinteraksi hanya dengan sistem otomatis yang didukung oleh AI, masalah mereka mungkin dapat diselesaikan, tetapi mereka mungkin merasa frustrasi atau kesal dengan interaksi tersebut. Jika kita menggantikan semua agen pusat kontak dengan AI, maka kita menghilangkan elemen manusia yang diperlukan untuk membangun hubungan dan mencapai serta mempertahankan pelanggan yang setia dan langgeng.

Ketika terlibat dalam interaksi layanan, manusia menghargai berbicara dengan seseorang yang dapat memahami diri mereka sendiri, yang telah memiliki pengalaman serupa dengan apa yang mereka alami. Demikian pula, manusia menghargai sensasi bahwa seseorang lain merawat mereka dan memiliki resolusi atas masalah mereka. Akan membutuhkan waktu lama sebelum AI mandiri benar-benar dianggap sebagai sesuatu yang lain daripada alat bantu diri.

Apakah ada yang lain yang ingin Anda bagikan tentang Cogito?

Di Cogito, kami sedang mengembangkan teknologi baru untuk membawa generasi berikutnya dari pusat kontak. Awal tahun ini, kami merilis Skor Pengalaman Karyawan (EX) kami untuk melacak pengalaman agen. Serupa dengan skor pengalaman pelanggan (CX) kami, Skor EX menggabungkan Emotion AI dan Conversation AI yang sadar manusia, menghasilkan wawasan secara real-time di seluruh instance tunggal atau tren di seluruh panggilan. Di tengah tingkat ketidakpuasan, kelelahan, dan turnover yang tinggi, Skor EX membantu menjawab pertanyaan tentang bagaimana mencegah kelelahan dan membantu pengalaman agen, yang pada gilirannya mengarah pada pengalaman pelanggan yang lebih baik dan keberlanjutan bisnis jangka panjang.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Cogito.